CN108539802A - 一种交直流混联大电网的优化方法 - Google Patents
一种交直流混联大电网的优化方法 Download PDFInfo
- Publication number
- CN108539802A CN108539802A CN201810332978.6A CN201810332978A CN108539802A CN 108539802 A CN108539802 A CN 108539802A CN 201810332978 A CN201810332978 A CN 201810332978A CN 108539802 A CN108539802 A CN 108539802A
- Authority
- CN
- China
- Prior art keywords
- power
- power grid
- optimization
- food source
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J5/00—Circuit arrangements for transfer of electric power between ac networks and dc networks
Abstract
本发明属于电网优化技术领域,公开了一种交直流混联大电网的优化方法,本发明通过收集电网基础数据,建立计算机仿真模型;通过仿真程序建立优化目标函数和优化控制的计算模型,并在寻优可行域内获取最小的优化目标函数,以优化低频减载方案,智能搜索最优整定方案,考虑频率恢复性能,最小化所切负荷量,改善交直流混联系统暂态性能和稳态性能。本发明方法简单,优化构建效率和优化精度高,一方面可对电网实际运行情况进行全程监控及仿真,从而及时获得电网运行故障隐患信息,另一方面可根据电力用户情况变化,及时有效的获得最佳的电网配置方案,从而有效的提高电网运行的灵活性和高效性,并有助于降低电网的建设及运行成本。
Description
技术领域
本发明属于电网优化技术领域,尤其涉及一种交直流混联大电网的优化方法。
背景技术
目前,业内常用的现有技术是这样的:
电力系统中各种电压的变电所及输配电线路组成的整体,称为电力网。它包含变电、输电、配电三个单元。电力网的任务是输送与分配电能,改变电压。近年来,伴随着中国电力发展步伐不断加快,中国电网也得到迅速发展,电网系统运行电压等级不断提高,网络规模也不断扩大,全国已经形成了东北电网、华北电网、华中电网、华东电网、西北电网和南方电网6个跨省的大型区域电网,并基本形成了完整的长距离输电电网网架。然而,现有电网负荷量大,稳定性差;同时优化效率低,电网运行灵活性差。
在电网直交流自动化混联中,高精度控制能有效提高生产效率。
频谱资源的稀缺已经成为提升现有各种通信系统以及发明新型通信系统的瓶颈,而认知无线电是解决这个问题的最佳方案,能够缓解频谱资源匮乏与授权频段利用率低下的矛盾。认知无线电作为一种智能无线电通信技术,通过感知外界环境,动态调整自身的无线电参数,从而使得内部状态和外部环境相适应,在不干扰特定频段上主用户的情况下,充分利用频谱资源,实现频谱利用率最大化。频谱感知是认知无线电的一项关键技术,具有检测、感知和学习各种无线电磁参数的能力,其主要功能是发现频谱空穴。可靠的频谱感知是实现认知无线电通信的重要前提,然而,由于多径、阴影衰落及噪声不确定性等因素的影响,通过单一频带用户感知很难获得准确的结果。而多个频带的协作频谱感知方案,充分利用协作带来的空间分集,有效改善了频谱检测的性能,因此多频带协作频谱感知技术被广泛提及和关注。多频带协作频谱感知是将一宽带系统等分成若干个子带,每一个子带分别完成单一频带的协作频谱感知,最后将所有的检测结果进行最终判决。多频带协作频谱感知问题的优化往往呈现非凸非线性特性,很难直接求解其最优解。凸优化方法虽然能够很好地求解这类问题,但是需要将优化问题转换成具有凸特性的子优化问题,转换过程复杂且计算复杂度较高。进化算法能够提供一种求解非线性复杂系统优化问题的通用框架,作为一种具有自适应调节功能的鲁棒寻优技术,近年来,进化算法已经被广泛应用于无线通信领域。目前比较常用的有基于遗传算法的协作频谱感知技术和基于粒子群算法的协作频谱感知技术,然而,基于遗传算法的协作频谱感知技术在搜索最优解的过程中容易陷入局部最优,基于粒子群算法的协作频谱感知技术虽然能够更有效的搜索到最优解,但其性能还有待于进一步提高。
综上所述,现有技术存在的问题是:
现有电网负荷量大,稳定性差;同时优化效率低,电网运行灵活性差。
现有技术吞吐量低,混联效果差。
解决上述技术问题的难度和意义:
本发明方法简单,优化构建效率和优化精度高,一方面可对电网实际运行情况进行全程监控及仿真,从而及时获得电网运行故障隐患信息,另一方面可根据电力用户情况变化,及时有效的获得最佳的电网配置方案,从而有效的提高电网运行的灵活性和高效性,并有助于降低电网的建设及运行成本。
发明内容
针对现有技术存在的问题,本发明提供了一种交直流混联大电网的优化方法。
本发明是这样实现的,一种交直流混联大电网的优化方法包括以下步骤:
步骤一,构建一个反映交直流混联电网系统的低频减载方案的优化目标,优化目标兼顾频率恢复性能和切负荷量的大小;
步骤二,收集电网基础数据;
根据构建的智能电网构架,收集该电网构架内各变配电站结点信息、电力用户信息、电力线路架设信息、电网控制系统信息、人员配置信息及配电电网所覆盖区域自然气候信息,并将所搜集到的信息进行分类汇总;
步骤三,建立计算机仿真模型;
根据所收集到的电网基础信息,利用计算机系统,建立该电网信息数据库,并依照所建立的电网信息数据库构建出电网运行仿真模型;
构建电网运行仿真模型中,包括:步骤一),建立电网运行仿真模型优化模型;
步骤二),初始化参数;包括种群大小,控制参数'limit'和最大迭代次数Tmax;初始化迭代次数t=1,随机生成一个含有SN个解的初始种群,每个解xi(i=1,2,...,SN)是一个D维矢量,xi=[ωi,γi],D=(N+1)*K,其中w是控制中心给各用户统计信息所分配的权值因子,γ是判决门限,N是协作感知的用户数,K是子带数目;
步骤三),计算步骤二中每个解的适应度值,所述适应度函数定义为食物源的收益率;根据食物源的收益率记录当前最好的解Xbest,G;
步骤四),引领蜂搜索邻域中的食物源,产生新解Newi,G+1;
步骤五,利用交叉算子,引领蜂根据步骤四的新解Newi,G+1和对应的父代个体Xi,G得到试验向量;
步骤六),利用贪婪选择策略从步骤五的试验向量值与原来的食物源之间选择出收益率更高的食物源;计算当前所有食物源的适应度值,并根据适应度值计算每个食物源对应的选择概率;
步骤七),跟随蜂根据步骤六得到的概率选择食物源,并搜索邻域中的食物源,产生新解,并计算适应度值;利用贪婪选择策略在新解和原来的解之间选择出收益率更高的解;
步骤八),判断是否有要放弃的解,即如果某个解经过limit次循环之后没有得到改善,此时对应的引领蜂变成侦察蜂,随机产生一个新解来替代该解;
步骤九),一次迭代结束后,记录当前最好的解;
步骤十),判断迭代次数t是否达到最大迭代次数Tmax,若达到,输出全局最优Xopt,并根据式fi=rT(1-Pf(ωi,γi)),xi=[ωi,γi]得到系统的吞吐量;否则迭代次数t=t+1,重复步骤四~步骤十;
所述多频带协作频谱感知模型为:
s.t.cT(1-Pd(W,γ))≤ε
1-Pd(W,γ)≤α
1-Pf(W,γ)≥β
其中,W=[ω1,ω2,...,ωK]是权值因子,γ=[γ1,γ2,...γK]是判决门限,K表示子带数目,rT=[r1,r2,...,rK]是实现的吞吐率,cT=[c1,c2,...,cK]是代价系数,ε代表系统总的干扰,α=[α1,α2,...,αK]T表示每个子带的干扰限制,β=[β1,β2,...,βK]T是每个子带实现的最小机会频谱利用率,是虚警概率,其中第k个子带的虚警概率表示为
是检测概率,其中第k个子带的检测概率表示为M是检测区间长度,是噪声功率,Gk=[|Hk(1)|2,|Hk(2)|2,...|Hk(N)|2]T是主发送用户和次级接收用户间的信道增益,N表示协作用户的数目;
所述步骤三)食物源的收益率计算公式如下:
根据式得到每个食物源的收益率,其中fi是目标函数f
i=rT(1-Pf(ωi,γi))。
所述步骤四)中引领蜂搜索邻域中的食物源,产生新解Newi,G+1的计算公式为:根据式引领蜂产生新解,其中i=1,2,...,SN,随机生成r1,r2,r3,r4∈{1,2,...,SN},且满足i≠r1≠r2≠r3≠r4,Xbest,G是当前最好的解,变异概率Pm∈[0,1],Pm=0.5;
所述步骤五利用交叉算子,引领蜂根据步骤四的新解Newi,G+1和对应的父代个体Xi,G得到试验向量的计算公式为:
根据式得到试验向量Ti,G+1(Ti1,G+1,Ti2,G+1,...,TiD,G+1),其中j=1,2,...,D,rind(i)是从[1,2,...,D]中随机选取的,交叉概率Pc∈[0,1],Pc=0.9;
所述步骤六)中:
根据式计算出每个食物源的选择概率,跟随蜂根据食物源的收益率大小,按照轮盘赌的选择策略来选择食物源,其中fiti是食物源i的适应度值,即收益率;
所述步骤七)中:
根据式跟随蜂产生新解,其中Xfol,j是跟随蜂选择的食物源,fol∈{1,2,...SN}和Xr1,j,Xr2,jr1,r2∈{1,2,...,SN}满足fol≠r1≠r2,三者均通过轮盘赌策略得到,Rij是介于-1和1之间的随机数;
所述步骤八)的计算公式为:
根据式某个经过limit次循环没有得到改善的解被该随机产生的新解代替;
步骤四,构建紧急发电控制模型和高压直流功率支援控制器,并将两者结合到低频减载的仿真模型中,优化低频减载方案;
步骤五,数据演算;
根据电网中电力用户的实际用电需求,对电网中各供电支路运行数据、供电支路控制设备数据及供电支路线路建设位置数据进行理论计算,然后利用所建立的电网运行仿真模型,对电网运行的实际数据进行模拟仿真,并对仿真的数据进行统计,然后与理论计算数据进行比对,通过比对对电网运行仿真模型构建及数据进行修改,建立新的电网运行仿真模型,且新的电网运行仿真模型与原始电网运行仿真模型相互独立存储,然后对新的电网运行仿真模型进行仿真运行模拟;
步骤六,通过数据演算,确定优化低频减载方案的整定参数;
包括各轮动作频率和各轮切负荷量,并将各轮动作频率和各轮切负荷量作为控制变量,确定整定方案;同时确定低频减载方案相关参数;
步骤七,在优化算法中嵌入了时域仿真程序进行仿真,以优化目标为判据,获取在寻优可行域内的最优整定值,得到低频减载的优化方案。
进一步,所述电力线路架设信息包括供电线路承载等级、建设时间、操控设备及故障检修信息。
进一步,所述步骤七具体实现方法包括:
首先,利用仿真程序建立优化目标函数和考虑紧急发电控制和高压直流功率支援的低频减载计算模型,并进行初始化;对建立的模型给予一定的扰动,产生一定的功率缺额,进行仿真计算;
其次,估算系统的功率缺额,并选择应对扰动的措施;给定控制参数并进行仿真,计算初始目标函数值;
然后,采用优化算法逐次产生控制参数,再次进行仿真计算,计算目标函数值,并更新最优解;
最后,判断迭代次数是否达到预设的次数,若满足则停止仿真,当前最优解为该方案的最优解;否则,执行上步。
本发明的优点及积极效果为:
本发明通过仿真程序建立优化目标函数和优化控制的计算模型,并在寻优可行域内获取最小的优化目标函数,以优化低频减载方案,智能搜索最优整定方案,考虑频率恢复性能,最小化所切负荷量,改善交直流混联系统暂态性能和稳态性能;同时本发明方法简单,优化构建效率和优化精度高,一方面可对电网实际运行情况进行全程监控及仿真,从而及时获得电网运行故障隐患信息,另一方面可根据电力用户情况变化,及时有效的获得最佳的电网配置方案,从而有效的提高电网运行的灵活性和高效性,并有助于降低电网的建设及运行成本。
本发明能够快速高效地搜索到最优解;本发明中的蜂群不同角色之间在对路径进行选择时,通过信息共享,倾向于选择食物源较为丰富的路径,从而形成正反馈机制,加快了算法的收敛性,故本发明能够以较大概率找到最优解;本发明在搜索最优解的过程中,以并行优化策略代替串行优化策略,提高了搜索效率;本发明在基本人工蜂群算法的基础上引入变异、交叉因子,增加了种群多样性,降低了搜索解陷入局部最优的概率,从而能够有效地搜索到最优解;本发明不需要有先验的知识,结合随机性选择和概率规则进行最优解的搜索,具有鲁棒性和适应性;本发明能够与其他启发式算法混合使用,相较于其他技术,基于本发明技术的多频带协作频谱感知优化问题能够实现更高的系统吞吐量。从而构建出优化的仿真模型。
附图说明
图1是本发明实施提供的交交直流混联大电网的优化方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
现有电网负荷量大,稳定性差;同时优化效率低,电网运行灵活性差。
如图1所示,本发明提供一种交直流混联大电网的优化方法包括以下步骤:
S101,构建一个反映交直流混联电网系统的低频减载方案的优化目标,优化目标兼顾频率恢复性能和切负荷量的大小;
S102,收集电网基础数据;
根据构建的智能电网构架,收集该电网构架内各变配电站结点信息、电力用户信息、电力线路架设信息、电网控制系统信息、人员配置信息及配电电网所覆盖区域自然气候信息,并将所搜集到的信息进行分类汇总;
S103,建立计算机仿真模型;
根据所收集到的电网基础信息,利用计算机系统,建立该电网信息数据库,并依照所建立的电网信息数据库构建出电网运行仿真模型;
S104,构建紧急发电控制模型和高压直流功率支援控制器,并将两者结合到低频减载的仿真模型中,优化低频减载方案;
S105,数据演算;
根据电网中电力用户的实际用电需求,对电网中各供电支路运行数据、供电支路控制设备数据及供电支路线路建设位置数据进行理论计算,然后利用所建立的电网运行仿真模型,对电网运行的实际数据进行模拟仿真,并对仿真的数据进行统计,然后与理论计算数据进行比对,通过比对对电网运行仿真模型构建及数据进行修改,建立新的电网运行仿真模型,且新的电网运行仿真模型与原始电网运行仿真模型相互独立存储,然后对新的电网运行仿真模型进行仿真运行模拟;
S106,通过数据演算,确定优化低频减载方案的整定参数;
包括各轮动作频率和各轮切负荷量,并将各轮动作频率和各轮切负荷量作为控制变量,确定整定方案;同时确定低频减载方案相关参数;
S107,在优化算法中嵌入了时域仿真程序进行仿真,以优化目标为判据,获取在寻优可行域内的最优整定值,得到低频减载的优化方案。
本发明提供的步骤S102中电力线路架设信息包括供电线路承载等级、建设时间、操控设备及故障检修信息。
本发明提供的步骤S107中具体实现方法包括:
首先,利用仿真程序建立优化目标函数和考虑紧急发电控制和高压直流功率支援的低频减载计算模型,并进行初始化;对建立的模型给予一定的扰动,产生一定的功率缺额,进行仿真计算;
其次,估算系统的功率缺额,并选择应对扰动的措施;给定控制参数并进行仿真,计算初始目标函数值;
然后,采用优化算法逐次产生控制参数,再次进行仿真计算,计算目标函数值,并更新最优解;
最后,判断迭代次数是否达到预设的次数,若满足则停止仿真,当前最优解为该方案的最优解;否则,执行上步。
构建电网运行仿真模型中,包括:步骤一),建立电网运行仿真模型优化模型;
步骤二),初始化参数;包括种群大小,控制参数'limit'和最大迭代次数Tmax;初始化迭代次数t=1,随机生成一个含有SN个解的初始种群,每个解xi(i=1,2,...,SN)是一个D维矢量,xi=[ωi,γi],D=(N+1)*K,其中w是控制中心给各用户统计信息所分配的权值因子,γ是判决门限,N是协作感知的用户数,K是子带数目;
步骤三),计算步骤二中每个解的适应度值,所述适应度函数定义为食物源的收益率;根据食物源的收益率记录当前最好的解Xbest,G;
步骤四),引领蜂搜索邻域中的食物源,产生新解Newi,G+1;
步骤五,利用交叉算子,引领蜂根据步骤四的新解Newi,G+1和对应的父代个体Xi,G得到试验向量;
步骤六),利用贪婪选择策略从步骤五的试验向量值与原来的食物源之间选择出收益率更高的食物源;计算当前所有食物源的适应度值,并根据适应度值计算每个食物源对应的选择概率;
步骤七),跟随蜂根据步骤六得到的概率选择食物源,并搜索邻域中的食物源,产生新解,并计算适应度值;利用贪婪选择策略在新解和原来的解之间选择出收益率更高的解;
步骤八),判断是否有要放弃的解,即如果某个解经过limit次循环之后没有得到改善,此时对应的引领蜂变成侦察蜂,随机产生一个新解来替代该解;
步骤九),一次迭代结束后,记录当前最好的解;
步骤十),判断迭代次数t是否达到最大迭代次数Tmax,若达到,输出全局最优Xopt,并根据式fi=rT(1-Pf(ωi,γi)),xi=[ωi,γi]得到系统的吞吐量;否则迭代次数t=t+1,重复步骤四~步骤十;
所述多频带协作频谱感知模型为:
s.t.cT(1-Pd(W,γ))≤ε
1-Pd(W,γ)≤α
1-Pf(W,γ)≥β
其中,W=[ω1,ω2,...,ωK]是权值因子,γ=[γ1,γ2,...γK]是判决门限,K表示子带数目,rT=[r1,r2,...,rK]是实现的吞吐率,cT=[c1,c2,...,cK]是代价系数,ε代表系统总的干扰,α=[α1,α2,...,αK]T表示每个子带的干扰限制,β=[β1,β2,...,βK]T是每个子带实现的最小机会频谱利用率,是虚警概率,其中第k个子带的虚警概率表示为
是检测概率,其中第k个子带的检测概率表示为M是检测区间长度,是噪声功率,Gk=[|Hk(1)|2,|Hk(2)|2,...|Hk(N)|2]T是主发送用户和次级接收用户间的信道增益,N表示协作用户的数目;
所述步骤三)食物源的收益率计算公式如下:
根据式得到每个食物源的收益率,其中fi是目标函数f
i=rT(1-Pf(ωi,γi))。
所述步骤四)中引领蜂搜索邻域中的食物源,产生新解Newi,G+1的计算公式为:根据式引领蜂产生新解,其中i=1,2,...,SN,随机生成r1,r2,r3,r4∈{1,2,...,SN},且满足i≠r1≠r2≠r3≠r4,Xbest,G是当前最好的解,变异概率Pm∈[0,1],Pm=0.5;
所述步骤五利用交叉算子,引领蜂根据步骤四的新解Newi,G+1和对应的父代个体Xi,G得到试验向量的计算公式为:
根据式得到试验向量Ti,G+1(Ti1,G+1,Ti2,G+1,...,TiD,G+1),其中j=1,2,...,D,rind(i)是从[1,2,...,D]中随机选取的,交叉概率Pc∈[0,1],Pc=0.9;
所述步骤六)中:
根据式计算出每个食物源的选择概率,跟随蜂根据食物源的收益率大小,按照轮盘赌的选择策略来选择食物源,其中fiti是食物源i的适应度值,即收益率;
所述步骤七)中:
根据式跟随蜂产生新解,其中Xfol,j是跟随蜂选择的食物源,fol∈{1,2,...SN}和Xr1,j,Xr2,jr1,r2∈{1,2,...,SN}满足fol≠r1≠r2,三者均通过轮盘赌策略得到,Rij是介于-1和1之间的随机数;
所述步骤八)的计算公式为:
根据式某个经过limit次循环没有得到改善的解被该随机产生的新解代替。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种交直流混联大电网的优化方法,其特征在于,所述交交直流混联大电网的优化方法包括以下步骤:
建立计算机仿真模型:根据所收集到的电网基础信息,利用计算机系统,建立该电网信息数据库,并依照所建立的电网信息数据库构建出电网运行仿真模型;
构建紧急发电控制模型和高压直流功率支援控制器,并将两者结合到低频减载的仿真模型中;
数据演算:根据电网中电力用户的实际用电需求,对电网中各供电支路运行数据、供电支路控制设备数据及供电支路线路建设位置数据进行理论计算,然后利用所建立的电网运行仿真模型,对电网运行的实际数据进行模拟仿真,并对仿真的数据进行统计,然后与理论计算数据进行比对,通过比对对电网运行仿真模型构建及数据进行修改,建立新的电网运行仿真模型,且新的电网运行仿真模型与原始电网运行仿真模型相互独立存储,然后对新的电网运行仿真模型进行仿真运行模拟;
构建电网运行仿真模型中,包括:步骤一,建立电网运行仿真模型优化模型;
步骤二,初始化参数;包括种群大小,控制参数'limit'和最大迭代次数Tmax;初始化迭代次数t=1,随机生成一个含有SN个解的初始种群,每个解xi(i=1,2,...,SN)是一个D维矢量,xi=[ωi,γi],D=(N+1)*K,其中w是控制中心给各用户统计信息所分配的权值因子,γ是判决门限,N是协作感知的用户数,K是子带数目;
步骤三,计算步骤二中每个解的适应度值,所述适应度函数定义为食物源的收益率;根据食物源的收益率记录当前最好的解Xbest,G;
步骤四,引领蜂搜索邻域中的食物源,产生新解Newi,G+1;
步骤五,利用交叉算子,引领蜂根据步骤四的新解Newi,G+1和对应的父代个体Xi,G得到试验向量;
步骤六,利用贪婪选择策略从步骤五的试验向量值与原来的食物源之间选择出收益率更高的食物源;计算当前所有食物源的适应度值,并根据适应度值计算每个食物源对应的选择概率;
步骤七,跟随蜂根据步骤六得到的概率选择食物源,并搜索邻域中的食物源,产生新解,并计算适应度值;利用贪婪选择策略在新解和原来的解之间选择出收益率更高的解;
步骤八,判断是否有要放弃的解,即如果某个解经过limit次循环之后没有得到改善,此时对应的引领蜂变成侦察蜂,随机产生一个新解来替代该解;
步骤九,一次迭代结束后,记录当前最好的解;
步骤十,判断迭代次数t是否达到最大迭代次数Tmax,若达到,输出全局最优Xopt,并根据式fi=rT(1-Pf(ωi,γi)),xi=[ωi,γi]得到系统的吞吐量;否则迭代次数t=t+1,重复步骤四~步骤十;
所述多频带协作频谱感知模型为:
s.t.cT(1-Pd(W,γ))≤ε
1-Pd(W,γ)≤α
1-Pf(W,γ)≥β
其中,W=[ω1,ω2,...,ωK]是权值因子,γ=[γ1,γ2,...γK]是判决门限,K表示子带数目,rT=[r1,r2,...,rK]是实现的吞吐率,cT=[c1,c2,...,cK]是代价系数,ε代表系统总的干扰,α=[α1,α2,...,αK]T表示每个子带的干扰限制,β=[β1,β2,...,βK]T是每个子带实现的最小机会频谱利用率,是虚警概率,其中第k个子带的虚警概率表示为
是检测概率,其中第k个子带的检测概率表示为M是检测区间长度,是噪声功率,Gk=[|Hk(1)|2,|Hk(2)|2,...|Hk(N)|2]T是主发送用户和次级接收用户间的信道增益,N表示协作用户的数目;
所述步骤三食物源的收益率计算公式如下:
根据式得到每个食物源的收益率,其中fi是目标函数fi=rT(1-Pf(ωi,γi))。
2.如权利要求1所述的交直流混联大电网的优化方法,其特征在于,
所述步骤四中引领蜂搜索邻域中的食物源,产生新解Newi,G+1的计算公式为:根据式引领蜂产生新解,其中i=1,2,...,SN,随机生成r1,r2,r3,r4∈{1,2,...,SN},且满足i≠r1≠r2≠r3≠r4,Xbest,G是当前最好的解,变异概率Pm∈[0,1],Pm=0.5;
所述步骤五利用交叉算子,引领蜂根据步骤四的新解Newi,G+1和对应的父代个体Xi,G得到试验向量的计算公式为:
根据式得到试验向量Ti,G+1(Ti1,G+1,Ti2,G+1,...,TiD,G+1),其中j=1,2,...,D,rind(i)是从[1,2,...,D]中随机选取的,交叉概率Pc∈[0,1],Pc=0.9;
所述步骤六中:
根据式计算出每个食物源的选择概率,跟随蜂根据食物源的收益率大小,按照轮盘赌的选择策略来选择食物源,其中fiti是食物源i的适应度值,即收益率;
所述步骤七中:
根据式跟随蜂产生新解,其中Xfol,j是跟随蜂选择的食物源,fol∈{1,2,...SN}和Xr1,j,Xr2,jr1,r2∈{1,2,...,SN}满足fol≠r1≠r2,三者均通过轮盘赌策略得到,Rij是介于-1和1之间的随机数;
所述步骤八的计算公式为:
根据式某个经过limit次循环没有得到改善的解被该随机产生的新解代替。
3.如权利要求1所述的交直流混联大电网的优化方法,其特征在于,所述交交直流混联大电网的优化方法具体包括以下步骤:
步骤一,构建一个反映交直流混联电网系统的低频减载方案的优化目标,优化目标兼顾频率恢复性能和切负荷量的大小;
步骤二,收集电网基础数据;
根据构建的智能电网构架,收集该电网构架内各变配电站结点信息、电力用户信息、电力线路架设信息、电网控制系统信息、人员配置信息及配电电网所覆盖区域自然气候信息,并将所搜集到的信息进行分类汇总;
步骤三,建立计算机仿真模型;
根据所收集到的电网基础信息,利用计算机系统,建立该电网信息数据库,并依照所建立的电网信息数据库构建出电网运行仿真模型;
步骤四,构建紧急发电控制模型和高压直流功率支援控制器,并将两者结合到低频减载的仿真模型中,优化低频减载方案;
步骤五,数据演算;
根据电网中电力用户的实际用电需求,对电网中各供电支路运行数据、供电支路控制设备数据及供电支路线路建设位置数据进行理论计算,然后利用所建立的电网运行仿真模型,对电网运行的实际数据进行模拟仿真,并对仿真的数据进行统计,然后与理论计算数据进行比对,通过比对对电网运行仿真模型构建及数据进行修改,建立新的电网运行仿真模型,且新的电网运行仿真模型与原始电网运行仿真模型相互独立存储,然后对新的电网运行仿真模型进行仿真运行模拟;
步骤六,通过数据演算,确定优化低频减载方案的整定参数;
包括各轮动作频率和各轮切负荷量,并将各轮动作频率和各轮切负荷量作为控制变量,确定整定方案;同时确定低频减载方案相关参数;
步骤七,在优化算法中嵌入了时域仿真程序进行仿真,以优化目标为判据,获取在寻优可行域内的最优整定值,得到低频减载的优化方案。
4.如权利要求1所述的交直流混联大电网的优化方法,其特征在于,所述电力线路架设信息包括供电线路承载等级、建设时间、操控设备及故障检修信息。
5.如权利要求1所述的交直流混联大电网的优化方法,其特征在于,所述步骤七具体实现方法包括:
首先,利用仿真程序建立优化目标函数和考虑紧急发电控制和高压直流功率支援的低频减载计算模型,并进行初始化;对建立的模型给予一定的扰动,产生一定的功率缺额,进行仿真计算;
其次,估算系统的功率缺额,并选择应对扰动的措施;给定控制参数并进行仿真,计算初始目标函数值;
然后,采用优化算法逐次产生控制参数,再次进行仿真计算,计算目标函数值,并更新最优解;
最后,判断迭代次数是否达到预设的次数,若满足则停止仿真,当前最优解为该方案的最优解;否则,执行上步。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810332978.6A CN108539802A (zh) | 2018-04-13 | 2018-04-13 | 一种交直流混联大电网的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810332978.6A CN108539802A (zh) | 2018-04-13 | 2018-04-13 | 一种交直流混联大电网的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108539802A true CN108539802A (zh) | 2018-09-14 |
Family
ID=63480490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810332978.6A Pending CN108539802A (zh) | 2018-04-13 | 2018-04-13 | 一种交直流混联大电网的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108539802A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109388067A (zh) * | 2018-11-01 | 2019-02-26 | 长沙理工大学 | 一种面向功能的智能家居控制系统 |
CN110134144A (zh) * | 2019-06-10 | 2019-08-16 | 王翊丞 | 旋翼无人机多发灭火水弹装置、控制系统、方法及无人机 |
CN110705657A (zh) * | 2019-11-21 | 2020-01-17 | 北京交通大学 | 一种质子交换膜燃料电池系统的模式识别故障诊断方法 |
CN113507128A (zh) * | 2021-07-14 | 2021-10-15 | 国网青海省电力公司 | 一种特高压直流换流站近场无功优化配置方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104300568A (zh) * | 2014-08-20 | 2015-01-21 | 华南理工大学 | 一种交直流混联系统的频率稳定控制方法 |
CN104966137A (zh) * | 2015-07-09 | 2015-10-07 | 江苏阳澄电力建设有限公司 | 一种智能电网工程优化方法 |
CN104993889A (zh) * | 2015-07-07 | 2015-10-21 | 西安电子科技大学 | 一种基于人工蜂群算法的多频带协作频谱感知优化方法 |
-
2018
- 2018-04-13 CN CN201810332978.6A patent/CN108539802A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104300568A (zh) * | 2014-08-20 | 2015-01-21 | 华南理工大学 | 一种交直流混联系统的频率稳定控制方法 |
CN104993889A (zh) * | 2015-07-07 | 2015-10-21 | 西安电子科技大学 | 一种基于人工蜂群算法的多频带协作频谱感知优化方法 |
CN104966137A (zh) * | 2015-07-09 | 2015-10-07 | 江苏阳澄电力建设有限公司 | 一种智能电网工程优化方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109388067A (zh) * | 2018-11-01 | 2019-02-26 | 长沙理工大学 | 一种面向功能的智能家居控制系统 |
CN110134144A (zh) * | 2019-06-10 | 2019-08-16 | 王翊丞 | 旋翼无人机多发灭火水弹装置、控制系统、方法及无人机 |
CN110705657A (zh) * | 2019-11-21 | 2020-01-17 | 北京交通大学 | 一种质子交换膜燃料电池系统的模式识别故障诊断方法 |
CN110705657B (zh) * | 2019-11-21 | 2022-08-30 | 北京交通大学 | 一种质子交换膜燃料电池系统的模式识别故障诊断方法 |
CN113507128A (zh) * | 2021-07-14 | 2021-10-15 | 国网青海省电力公司 | 一种特高压直流换流站近场无功优化配置方法 |
CN113507128B (zh) * | 2021-07-14 | 2023-07-21 | 国网青海省电力公司 | 一种特高压直流换流站近场无功优化配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108539802A (zh) | 一种交直流混联大电网的优化方法 | |
Xhafa et al. | Genetic algorithms for efficient placement of router nodes in wireless mesh networks | |
CN102484512A (zh) | 用于改进无线电网络特性的方法和布置 | |
CN105531963A (zh) | 无线网络中多目标小区关闭的系统和方法 | |
Chen et al. | Data-intensive application deployment at edge: A deep reinforcement learning approach | |
CN105916198B (zh) | 一种异构网络中基于能效公平的资源分配和功率控制方法 | |
Perera et al. | A WPT-enabled UAV-assisted condition monitoring scheme for wireless sensor networks | |
Huang et al. | Renewable powered cellular networks: Energy field modeling and network coverage | |
Bouton et al. | Coordinated reinforcement learning for optimizing mobile networks | |
CN103826230B (zh) | 宽带无线接入网络优化分数频率复用的方法与系统 | |
He et al. | Optimizing information freshness in RF-powered multi-hop wireless networks | |
Barolli et al. | Optimization problems and resolution methods for node placement in wireless mesh networks | |
CN105979589A (zh) | 异构网络的能量有效资源分配方法及系统 | |
Zhen et al. | Optimal placement of data concentrators for expansion of the smart grid communications network | |
Liu et al. | Robust power control for clustering-based vehicle-to-vehicle communication | |
Bonetto et al. | On the interplay of distributed power loss reduction and communication in low voltage microgrids | |
Shahraeini et al. | Designing of communication systems in advanced metering infrastructure (ami) using wi-fi offloading technology | |
Omar et al. | Downlink spectrum allocation in 5g hetnets | |
Hossain et al. | Techno-economic investigation of optimal solar power system for LTE cellular base stations | |
CN105792378B (zh) | 基于无线异构网络的虚拟资源多目标映射方法 | |
CN103945388A (zh) | 一种异构网络中基于遗传算法的用户接入网络方法 | |
CN107911763A (zh) | 一种基于QoS的智能配用电通信网EPON网络规划方法 | |
CN107135510A (zh) | 一种基于钢铁厂的电量能源调控及数据传输控制系统 | |
Alba et al. | Evolutionary algorithms in telecommunications | |
Zhou et al. | Stackelberg-game based distributed energy-aware resource allocation in device-to-device communications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |